ОЦЕНКА КРЕДИТОСПОСОБНОСТИ ЗАЕМЩИКОВ С ПОМОЩЬЮ BIG DATA: ПРОБЛЕМЫ И ПЕРСПЕКТИВЫ ВНЕДРЕНИЯ В РОССИИ

Ордынский А.А.¹, Шаталова Е.П.²

¹Студент кредитно-экономического факультета, Финансовый университет при Правительстве РФ, ²научный руководитель, кандидат экономических наук, доцент, Финансовый университет при Правительстве РФ

ОЦЕНКА КРЕДИТОСПОСОБНОСТИ ЗАЕМЩИКОВ С ПОМОЩЬЮ BIG DATA: ПРОБЛЕМЫ И ПЕРСПЕКТИВЫ ВНЕДРЕНИЯ В РОССИИ

Аннотация

В статье рассматривается возможность развития оценки кредитоспособности заемщиков с помощью «больших данных». Приводятся существующие модели оценки кредитоспособности, обоснована необходимость их совершенствования. Раскрываются отличительные особенности оценки кредитоспособности с помощью «больших данных». Дается обзор существующих в мировой  и российской практике финтех-способов оценки кредитоспособности. Оцениваются перспективы внедрения финтех-оценки кредитоспособности российскими кредитными организациями.

Ключевые слова: кредитоспособность, скоринговые методы оценки кредитоспособности, финансовые технологии (финтех), «большие данные», неструктурированные данные.

 Ordynskiy A.A.¹, Shatalova E.P.²

¹Student of credit & economics department, Financial University under the Government of the Russian Federation, ²supervisor, PhD in Economics, Associate Professor, Financial University under the Government of the Russian Federation

ESTIMATION OF BORROWERS’ SOLVENCY WITH BIG DATA: PROBLEMS AND PROSPECTS OF IMPLEMENTATION IN RUSSIA

Abstract

The possibility of developing an estimation mechanism to evaluate the solvency of borrowers with the help of “big data” is discussed in the article. Existing models of solvency evaluation are presented; the necessity of their improvement is grounded. Distinctive features of solvency evaluation are revealed with the help of “big data.” Existing fintech methods of solvency estimation in the world and Russia are reviewed. The prospects for the implementation of fintech solvency evaluation by Russian credit institutions are considered.

Keywords: solvency, scoring methods for assessing solvency, financial technologies (fintech), “big data”, unstructured data.

Оценка кредитоспособности клиента представляет собой неотъемлемый этап кредитного процесса. Важность этого процесса подтверждается высокой ценой ошибки выдачи кредита клиентам, неспособным вовремя и полностью выполнить условия кредитного договора. Для минимизации риска неплатежей кредитные организации используют и совершенствуют систему оценки кредитоспособности потенциальных заемщиков.

В российской банковской практике для оценки кредитоспособности юридических лиц используется метод коэффициентов, который дает разностороннюю оценку клиента: ликвидности, финансового левериджа, оборачиваемости капитала, прибыльности, обеспечения долга. Одним из методов оценки кредитоспособности физических лиц является скоринговые модели, которые представляют собой различные математические методы оценки благонадежности клиента. В основном такие модели применяются в «экспресс»-кредитовании и выдаче кредитных карт и оценивают клиента по ключевым характеристикам: его характер, финансовые возможности, обеспеченность кредита и условия предоставления кредита.

Одним из недостатков такой системы является тот факт, что оценка заемщику дается на основе сведений, содержащихся в предоставленной им анкете. При таком подходе до 25% заемщиков становятся некредитоспособными, например, студенты или амбициозные предприниматели без значительных средств и заработка, С развитием «финтеха» и внедрением систем по работе с «большими данными» данная проблема начинает находить решения.

Работа с большими данными позволяет провести более детальный анализ кредитоспособности клиента, увидеть не только его финансовый, но и психологический портрет. Оценка направленности платежей и денежных переводов, личных качеств, профилей и активности в социальных сетях – все это позволяет уже сегодня финтех-компаниям предвидеть риски возможных неплатежей клиентов.

В целом, можно выделить несколько основных моментов, которые значительно отличают финтех-оценку кредитоспособности от традиционной банковской оценки:

1. Использование данных из социальных сетей. Сегодня социальные сети представляют собой ценный источник информации о заемщике: контакты, записи, фотографии, сообщества – по ним можно судить не только о интересах клиента, но и о его личных качествах. Некоторые финтех-стартапы прибегают к подтверждению кредитоспособности у друзей потенциального заемщика.
2. Использование мобильных данных. Периодичность и время звонков, история запросов в сети интернет, анализ мобильных оповещений – это лишь небольшая часть информации, которая используется финтех-стартапам для оценки кредитоспособности.
3. Агрегирование различных источников данных. Агрегирование позволяет проводить двойную проверку сведений, предоставленных заемщиком, например, использование данных из социальных сетей для проверки достоверности информации о карьере заемщика.

Очевидно, что оценка клиента по таким критериям традиционными методами может занять много времени. Для минимизации временных и финансовых затрат финтех-компаниями были изобретены роботы-оценщики. Они используют технологии искусственного интеллекта и адаптивного  обучения, которые позволяют дать комплексную оценку заемщику, используя более тысячи фрагментов неструктурированных данных социальных сетей, мобильных данных и т.д.

Разработчики финтех-продуктов полагают, что при оценке традиционным способом банки упускают порядка 80% информации о клиенте, которая может быть использована для определения уровня его кредитного риска. Что не менее важно, такого рода комплексный анализ может и должен использоваться кредитными организациями для непрерывного мониторинга клиента, даже после выдачи кредита. Например, он поможет понять для чего клиент хочет взять новый кредит: для выплаты процентов по старому или для расширения бизнеса.

Одним из ярких и наиболее успешных финтех-стартапов, на взгляд автора, является проект Aire, миссией которого является помощь в присвоении кредитного рейтинга тем, кого традиционные скоринговые методы считают некредитоспособными.  Особенностью проекта является возможность заемщиков следить за своим текущим уровнем кредитоспособности. Стартап оказался настолько успешным, что в настоящее время регулируется  Управлением по финансовому регулированию и надзору Великобритании.

Использование технологий работы с «большими данными» при оценке кредитоспособности имеет место и в России. Однако в отличие от стран запада, где финтех развивается за счет вновь образовывающихся стартапов, в России финтех растет за счет ведущих банков: «Сбербанк России», «Тинькофф банк» и «Альфа-банк». Кроме того, банки ВТБ24, «Хоум Кредит», «Ак Барс» вместе с другими участниками финансового рынка и международной платежной системой MasterCard создали первый в России отраслевой финтех-акселератор «Финтех Лаб». На предварительных обсуждениях наибольшей поддержкой пользовались темы, связанные с идентификацией и биометрией, роботизацией, машинным обучением и маркетингом, основанным на данных. «Тинькофф Банк» запустил собственную школу разработки и аналитики в сфере финтеха «Tinkoff Fintech School».

Тем не менее, анализ позволяет сделать вывод: финтех в России в основном развивается в сфере платежей и онлайн-банкинга. Разработка финтех-проектов оценки кредитоспособности представлена только небольшим числом проектов. Среди них совместный проект Mail.ru Group и бюро кредитных историй «Эквифакс». Данный проект, как и западные аналоги, использует систему искусственного интеллекта для оценки уровня риска заемщиков, признанных нежелательными традиционными методами. Mail.ru Group уже имеет клиентов, пользующихся новым сервисом, но их имена и стоимость услуги не раскрываются.

Другой российский финтех-стартап FscoreLab запустил свой пилотный проект скоринга, основанный на анализе фотографии заемщика. Сервис использует нейросеть, обученную на 600 тысячах реальных случаев по выплате кредитов, взятых из баз Бюро кредитных историй (БКИ). Программа изучила фотографии людей с просроченными кредитами и самостоятельно выявила черты, свойственные лицам должников. Тем не менее, многие эксперты настроены скептически к таким проектам, подчеркивая, что определение кредитоспособности по одному фото может рассматриваться лишь как дополнительный инструмент при формировании кредитного рейтинга.

При всей привлекательности финтех-проектов, интерес к ним со стороны инвесторов начинает затухать. По данным CB Insights, в 2016 г. венчурные инвестиции в финтех-стартапы во всем мире сократились по сравнению с зафиксированным годом ранее максимумом на 13% и составили $12,7 млрд. Количество сделок также уменьшилось на 1%. В России же мнения инвесторов разделились: одни считают, что финтех представляет собой очередной финансовый пузырь, другие ­– что развитию финтеха мешает жесткая политика мегарегулятора, третьи полагают, что в России нет преград для развития новых методов оценки кредитоспособности уже сегодня.

В заключение, хотелось бы отметить, что развитие альтернативных систем оценки кредитоспособности клиентов позволит, с одной стороны, банкам расширить активные операции, а с другой стороны, откроет доступ к финансовым ресурсам тысячам нуждающимся в них клиентам. Особенностью развития российских проектов является их создание не как новых стартапов, а как проектов внутри существующих кредитных организаций. Несмотря на наличие проблем, связанных с недостатком инвестиций в подобные проекты, развитие финтех-проектов в России будет набирать скорость, поскольку связано с объективным желанием кредитных организаций получить всестороннюю оценку кредитоспособности клиента и минимизировать потери по ссудам.

Список литературы / References

1. «Robo-advice» could help banks predict creditworthiness // Holland Fintech [Электронный ресурс] URL: https://hollandfintech.com/robo-advice-could-help-banks-predict-creditworthiness (дата обращения: 30.05.2017). – Загл. с экрана.
2. Венчурные фонды охладели к финтех-стартапам. Почему? // Журнал Inc. [Электронный ресурс] URL: http://incrussia.ru/understand/venchurnye-fondy-okhladeli-k-fintekh-startapam-pochemu/ (дата обращения: 30.05.2017). – Загл. с экрана.
3. How Behavioral Data Can Help Lenders Assess Consumers’ Credit // Equities.com. [Электронный ресурс] URL: https://www.equities.com/news/how-behavioral-data-can-help-lenders-assess-consumers-credit (дата обращения: 30.05.2017). – Загл. с экрана.
4. How FinTech Forever Changed the Way Financial Institutions Look at Customers // Let's talk payments. [Электронный ресурс] URL: https://letstalkpayments.com/how-fintech-forever-changed-the-way-financial-institutions-look-at-customers/ (дата обращения: 30.05.2017). – Загл. с экрана.
5. Looking beyond FICO: innovative fintech startups in risk management // Prodogy finance. [Электронный ресурс] URL: https://prodigyfinance.com/resources/blog/looking-beyond-fico-innovative-fintech-startups-in-risk-management (дата обращения: 30.05.2017). – Загл. с экрана.
6. Mail.ru Group переоценит заемщиков // Газета Комерсантъ. [Электронный ресурс] URL: http://www.kommersant.ru/doc/3046931 (дата обращения: 30.05.2017). – Загл. с экрана.
7. The Future Of Banking: How FinTech Could Disrupt Bank Ratings // Standard&Poor's Rating Services. [Электронный ресурс] URL: http://g8fip1kplyr33r3krz5b97dwpengine.netdna-cdn.com/wp-content/uploads/2016/08/The-Future-Of-Banking_How-FinTech-Could-Disrupt-Bank-Ratings_15-12-2015.pdf (дата обращения: 30.05.2017). – Загл. с экрана.
8. Who Innovates Wins: Lifting the Lid on Fintech in Russia // Sberbank CIB. [Электронный ресурс] URL: https://drive.google.com/file/d/0B56Aiqs_KNYyWDhjRUQ5MkpNVGs/view (дата обращения: 30.05.2017). – Загл. с экрана.

Список литературы на английском языке / References in English

1. «Robo-advice» could help banks predict creditworthiness // Holland Fintech [Electronic resource] URL: https://hollandfintech.com/robo-advice-could-help-banks-predict-creditworthiness (accessed: 30.05.2017).
2. Venchurnye fondy ohladeli k fintekh-startapam. Pochemu? [Venture funds lost interest in fintech-startups. Why?] // ZHurnal Inc. [Inc. magazine] [Electronic resource] URL: http://incrussia.ru/understand/venchurnye-fondy-okhladeli-k-fintekh-startapam-pochemu/ (accessed: 30.05.2017).
3. How Behavioral Data Can Help Lenders Assess Consumers’ Credit // Equities.com. [Electronic resource] URL: https://www.equities.com/news/how-behavioral-data-can-help-lenders-assess-consumers-credit (accessed: 30.05.2017).
4. How FinTech Forever Changed the Way Financial Institutions Look at Customers // Let's talk payments. [Electronic resource] URL: https://letstalkpayments.com/how-fintech-forever-changed-the-way-financial-institutions-look-at-customers/ (accessed: 30.05.2017).
5. Looking beyond FICO: innovative fintech startups in risk management // Prodogy finance. [Electronic resource] URL: https://prodigyfinance.com/resources/blog/looking-beyond-fico-innovative-fintech-startups-in-risk-management (accessed: 30.05.2017).
6. ru Group pereocenit zaemshchikov [Mail.ru group will reassess the debtors] // Gazeta Komersant [Komersant magazine] . [Electronic resource] URL: http://www.kommersant.ru/doc/3046931 (accessed: 30.05.2017).
7. The Future Of Banking: How FinTech Could Disrupt Bank Ratings // Standard&Poor's Rating Services. [Electronic resource] URL: http://g8fip1kplyr33r3krz5b97d1.wpengine.netdna-cdn.com/wp-content/uploads/2016/08/The-Future-Of-Banking_How-FinTech-Could-Disrupt-Bank-Ratings_15-12-2015.pdf (accessed: 30.05.2017).
8. Who Innovates Wins: Lifting the Lid on Fintech in Russia // Sberbank CIB. [Electronic resource] URL: https://drive.google.com/file/d/0B56Aiqs_KNYyWDhjRUQ5MkpNVGs/view (accessed: 30.05.2017).